O sistema aprende como é o movimento normal de um lugar e dispara alerta quando algo foge do padrão. Uma empresa brasileira já tem mais de 5 mil câmeras conectadas. Pesquisadores dizem que ninguém sabe medir a taxa de erro dessas ferramentas, e que o Brasil não tem lei para o assunto.
Câmeras com inteligência artificial capazes de sinalizar comportamentos considerados suspeitos antes que um crime aconteça já operam em indústrias e condomínios brasileiros, segundo reportagem publicada pelo g1 em 9 de agosto de 2026, assinada por Victor Hugo Silva. A tecnologia é conhecida como policiamento preditivo e tenta identificar situações fora do padrão antes que elas resultem em delito.
O interesse comercial cresce, mas a mesma reportagem registra a preocupação de pesquisadores com a ausência de regulação e com o risco de um estado de vigilância permanente sobre pessoas que não estão cometendo crime algum. A discussão gira em torno de um ponto central: ninguém sabe, de fora, qual é a taxa de erro dessas ferramentas.
Como o sistema transforma imagem em número
O funcionamento é menos misterioso do que o nome sugere. Segundo Nicolau Ramalho, fundador da NoLeak, empresa brasileira que desenvolveu um sistema de policiamento preditivo para segurança privada, o software se conecta à câmera, converte a imagem em metadados e passa a reconhecer padrões. Quando esse padrão se altera, o sistema emite um alerta.
-
Redes elétricas inteligentes usam sensores, religadores automáticos e sistemas de controle para detectar falhas em segundos, isolar apenas o trecho danificado e redirecionar a energia por rotas alternativas, reduzindo o tamanho dos apagões e mantendo consumidores fora da área afetada conectados enquanto equipes trabalham no reparo físico da rede
-
Jogador encontra PC gamer de 26 anos guardado no armário, instala um disco rígido de 1 TB e transforma a máquina do início dos anos 2000 em uma biblioteca retrô capaz de armazenar quase 700 jogos, preservando componentes antigos e ressuscitando clássicos como The Sims, Diablo, Counter-Strike e Deus Ex
-
Escavação para novo prédio revela casa medieval de quase 20 metros na Alemanha, com postes de madeira, reparos antigos e sinais de moradores de mil anos atrás
-
Espetacular poço ritual de 2,5 mil anos é encontrado em antiga cidade etrusca na Itália com dois esqueletos, estatuetas femininas e rara placa de bronze no fundo
Metadados, nesse contexto, são o resultado da conversão de elementos do vídeo em sequências numéricas. O sistema não “vê” a cena como uma pessoa veria, ele processa números que descrevem o que está em movimento no enquadramento. É essa diferença que permite ao software comparar o que acontece agora com o que acontecia antes, sem precisar de operador humano assistindo em tempo real.
Os sistemas mais avançados usam modelos de aprendizado de máquina treinados para reconhecer padrões em imagens. Em vez de seguir apenas regras programadas previamente, analisam grandes volumes de vídeo para aprender o que é considerado normal em determinado ambiente e passam a sinalizar o que sai desse padrão.
Duas semanas para aprender o que é normal
Existe um período de calibragem antes de o sistema entrar em operação útil. Ramalho afirma que a ferramenta precisa de cerca de duas semanas analisando metadados para formar uma base de dados suficiente e reconhecer o padrão daquela imagem específica.
O exemplo mais claro é o de uma via pública. Treinado com imagens daquele local, o sistema aprende onde fica a pista e por quais faixas os veículos devem circular. Se um carro passar pela contramão ou pela calçada, ele identifica a mudança e sinaliza que algo saiu do padrão. O que o software chama de anomalia é simplesmente aquilo que não apareceu nas duas semanas de treinamento.
Outro comportamento que dispara alerta é a permanência. Alguém que fica parado por muito tempo no mesmo lugar entra na categoria de situação considerada suspeita, porque foge da leitura de movimento habitual daquele ponto.
O que o sistema não faz, segundo a empresa
Há dois limites que a NoLeak faz questão de estabelecer publicamente. O primeiro é sobre o tipo de dado analisado. Segundo Ramalho, a ferramenta analisa apenas movimentações de pessoas, e não características físicas, e não identifica rostos para avaliar comportamento.
O segundo é sobre autonomia de decisão. O sistema não toma nenhuma ação por conta própria ao identificar uma situação suspeita: ele recomenda que as imagens sejam revisadas por responsáveis, como o chefe de segurança da empresa. Os alertas vão para um sistema de gestão de vídeo, e o operador decide o que fazer, seja acionar a polícia ou o time de segurança privada.
Nesse desenho, o software não substitui o julgamento humano, ele decide onde o olho humano vai olhar. É uma distinção relevante para o debate, porque desloca a responsabilidade final para a pessoa que recebe o alerta, mas não elimina a possibilidade de que o próprio alerta esteja errado.
Quem já usa: mais de 5 mil câmeras conectadas
A escala atual dá a dimensão de que não se trata de tecnologia experimental. A NoLeak informa ter mais de 5 mil câmeras conectadas e 100 clientes, entre indústrias e condomínios.
O argumento comercial é de produtividade. Segundo a empresa, o sistema reduz o cansaço visual dos operadores e permite monitorar até dez vezes mais câmeras com o mesmo número de funcionários. O ganho não é substituir vigilantes, é multiplicar quantas telas cada vigilante consegue cobrir.
O mercado tem outros participantes. A reportagem cita ainda Actuate, AxxonSoft e Coram entre as empresas que oferecem soluções para transformar câmeras de segurança convencionais em sistemas capazes de sinalizar possíveis crimes.
Além da segurança: linha de produção e EPI
O uso não se restringe a prevenção de roubo. Ramalho destaca que a mesma solução consegue verificar se há erros em uma linha de produção e se funcionários estão fora do posto de trabalho, com o objetivo de evitar paradas não programadas e aumentar a eficiência.
Os sistemas também são apresentados como capazes de identificar funcionários sem equipamentos de proteção individual e de monitorar o nível de ocupação de esteiras industriais. São aplicações de segurança do trabalho e de controle de processo, que compartilham exatamente a mesma base técnica da vigilância antifurto.
É a mesma câmera, o mesmo software e o mesmo tipo de alerta, apenas com outro padrão definido como normal. Essa versatilidade é parte do apelo comercial da tecnologia e também parte do que preocupa quem estuda seus efeitos, já que amplia bastante o alcance do monitoramento dentro de um mesmo ambiente.
O alerta sobre o direito de ir e vir
Do outro lado do debate, a crítica não é ao funcionamento técnico, é ao efeito social. Fernanda Rodrigues, coordenadora de pesquisas do Instituto de Referência em Internet e Sociedade, sediado em Belo Horizonte, afirma que ferramentas desse tipo podem restringir o direito de ir e vir dos cidadãos.
O argumento dela parte de quem é atingido quando o sistema erra. Não se trata apenas de criminosos efetivamente alcançados, mas também de cidadãos comuns que, a caminho do trabalho, podem passar por um sistema que produziu um erro. Um alerta falso não é um evento neutro: ele coloca uma pessoa que não fez nada sob a atenção de quem tem poder de abordagem.
Ela também questiona o entusiasmo com esse tipo de solução. Segundo a pesquisadora, o que se observa é um crescimento na busca por ferramentas e tecnologias apresentadas como resposta a um problema de segurança pública, como se existisse uma bala de prata capaz de resolver algo que é histórico na sociedade brasileira.
A opacidade e a ausência de estudos independentes
O ponto mais difícil de resolver, segundo a pesquisadora, é que não há como avaliar essas ferramentas de fora. Ela afirma que medir a precisão de um sistema de policiamento preditivo e verificar a ausência de vieses depende de estudos independentes sobre seu funcionamento.
E é justamente isso que não existe em escala. Fernanda aponta a opacidade como um dos principais problemas, principalmente porque não se conhece a eficiência dessas ferramentas. O que se sabe, segundo ela, é que há estudos apontando essas soluções como significativamente falhas.
Sem acesso ao funcionamento interno, cliente, cidadão e autoridade dependem da palavra do fornecedor sobre a taxa de acerto. É uma assimetria comum em software proprietário, mas que ganha outro peso quando o produto influencia decisões sobre abordagem policial.
O caso PredPol e o que aconteceu nos Estados Unidos
Existe um precedente documentado que alimenta a preocupação. Fernanda afirma que há muitos exemplos nos Estados Unidos de tecnologias que buscaram usar dados sobre locais com maior índice de criminalidade e acabaram potencializando a vigilância.
O caso mais conhecido é o do PredPol, sistema que reunia dados históricos como data, hora e local de crimes para orientar onde os policiais deveriam fazer rondas nos momentos sem ocorrências. O resultado prático foi outro. O sistema levou policiais a patrulhar ainda mais bairros com renda familiar mais baixa e menor proporção de moradores brancos, e houve aumento de abordagens policiais indevidas a moradores de conjuntos habitacionais de baixa renda, segundo reportagem do site The Markup.
O mecanismo que produz esse efeito é circular: mais patrulha em um bairro gera mais registros naquele bairro, e mais registros justificam mais patrulha. O PredPol deixou de ser usado em 2020 pela polícia de Los Angeles, depois de pressão de grupos ativistas que criticaram tanto a falta de eficiência do programa quanto a vigilância excessiva em comunidades negras e latinas.
O que diz a lei no Brasil hoje
O Brasil não tem lei específica para regulamentar sistemas de policiamento preditivo. O que existe é a Lei Geral de Proteção de Dados, que estabelece regras para o tratamento de informações sensíveis, incluindo a biometria facial.
Uma portaria publicada em 2025 pelo Ministério da Justiça e Segurança Pública deu o primeiro passo específico no setor público. Ela estabeleceu que as polícias podem usar inteligência artificial, mas devem realizar revisões humanas em casos de possíveis riscos a direitos fundamentais.
Vale notar o alcance dessa norma. A portaria trata do uso pela polícia, e não do uso por empresas privadas em suas próprias instalações, que é exatamente o cenário em que a tecnologia mais cresce no país neste momento. Nesse campo, o que se aplica são as regras gerais da proteção de dados.
O projeto que pode classificar essas ferramentas como de alto risco
A mudança mais significativa está em discussão no Congresso. O Projeto de Lei 2338, de 2023, conhecido como Marco Legal da Inteligência Artificial, pode classificar como de alto risco os sistemas de IA usados por policiais para analisar grandes volumes de dados e identificar padrões e perfis comportamentais.
Para ferramentas nessa categoria, o texto prevê quatro obrigações: supervisão humana, avaliação de impacto, garantia do direito à explicação às pessoas afetadas e adoção de medidas para evitar discriminação. O modelo é inspirado na legislação europeia de inteligência artificial, que classifica sistemas por nível de risco.
O trâmite, porém, se arrasta. De autoria do senador Rodrigo Pacheco, o projeto foi aprovado pelo Senado em 10 de dezembro de 2024 e enviado à Câmara dos Deputados em março de 2025, onde aguarda parecer do relator, deputado Aguinaldo Ribeiro, em comissão especial. A votação prevista para o fim de 2025 foi adiada em razão de impasses políticos e técnicos.
Uma tecnologia que já opera antes da regra existir
O quadro que a reportagem monta tem uma característica que se repete em quase toda discussão sobre inteligência artificial no Brasil. A tecnologia já está instalada, funcionando e sendo vendida enquanto a regulação ainda tramita.
Do lado de quem oferece o serviço, o argumento é de eficiência e de limites técnicos autoimpostos: sem reconhecimento facial, sem ação automática e com decisão final humana. Do lado de quem pesquisa o tema, o argumento é de verificabilidade: sem estudo independente, não é possível afirmar nem que a ferramenta funciona, nem que ela não discrimina.
Entre as duas posições existe um espaço que só a regulação preenche, e que hoje está vazio. É esse vácuo que faz com que as mesmas câmeras com inteligência artificial que uma indústria instala para reduzir furto sejam, para pesquisadores, uma questão de direitos fundamentais ainda sem resposta.
E você, aceitaria trabalhar ou morar em um lugar monitorado por câmeras com inteligência artificial que apontam comportamentos suspeitos, ou acha que o risco de ser sinalizado por engano pesa mais que o ganho de segurança? Conta nos comentários o que você exigiria antes de aceitar um sistema desses.
